怡居地產

加入怡居

過去7年，我司每年平均捐出52%純利作慈善用途，款額動輒以百萬元計，可稱實至名歸的社會企業。閣下光顧我司，是變相自己做善事！日後請多多光顧為感！

尖沙咀總行 : 2569 2192

太古城華山分行 : 2569 1339

沙田銀禧分行 : 2636 1380

太古城明宮分行 : 2560 3738

沙田第一城專責組 : 2647 1838

杏花邨專責組 : 2898 0007

尖沙咀總行 : 2569 2192

太古城華山分行 : 2569 1339

沙田第一城專責組 : 2647 1838

沙田銀禧分行 : 2636 1380

太古城明宮分行 : 2560 3738

杏花邨專責組 : 2898 0007

(原文發表於2024年12月15日)

量子计算 vs 传统计算

有何本质差异？

首先，我们用通俗的方式讲讲，为什么量子计算机“做某些任务”，比传统计算机快呢？

这背后的根本原因是，量子比特（qubit）是处于叠加态。传统计算机的一个比特，“要么”是0，“要么”是1，只能代表一个数。而量子比特，却可以“既是0又是1”，它可以是0和1任意比例的叠加态：比如它可能有30%的概率是0，70%的概率是1，或者49%的概率是0，51%的概率是1……

这里的要点是，一个量子电路，可以同时代表传统电路的很多很多个状态。

这意味着，你对这个量子电路操作一次，就等于对相应的传统电路操作很多很多次。下面我做一个非常直观的类比。它并不很精确，但是容易看明白。

想象这里有一个湖，湖水上方有一个光源S，水面下方有一个点D。现在我们想知道，光线从S点到D点，走的是什么样的路线？它不是一条直线，因为光线会在湖水表面发生一次折射。关键在于那个折射点是在哪里。

传统的计算方法，就相当于把水面上每个折射点都考虑一遍，这样就有无数条路线，把每条路线都算一遍，看看怎么走从S点到D点最快，真实路径就是最快的路径。这是巨大的计算量。

而量子方法，则是真的给你做一次实验，让光“同时”沿着所有可能的路径，从S点往D点走，最终的真实路径，是所有这些路径的叠加态。每条路径有不同的波函数，它们会互相抵消，最终只留下真实路径。在我们这个例子里，真实路径只有一条，但在别的情境下，真实路径可以是一个概率分布。

传统方法是一个一个地算，量子方法是全都参与进来一起算，这就是本质区别。

而量子计算机能这么做的前提是，你必须确保那些所有可能的路径都参与进来，而这就要求它们的量子态必须互相协调，只有这样才能发生干涉和抵消。这是一个难点，咱们等会儿再说。

现在你只要知道，量子计算机的一次操作，能代表传统计算机的很多很多次操作。

量子优越的底层原因是什么？

道理简单，但真造出一台量子计算机来，选一个问题，让它操作一番，而这番操作对传统计算机（严格说是「经典」计算机）很费力。谷歌在2019年做成了这件事，它选了一个为量子计算机量身定做的问题。

这个问题叫「随机电路取样（Random Circuit Sampling）」。

想象你有一台量子计算机，它的电路是由若干个「量子门」，也就是量子的逻辑门组成。这跟经典芯片有逻辑门是一个意思。现在我们在量子芯片上选择若干个量子门，它们就组成了一个随机电路。把这个电路中所有量子门的初始量子态都设成零，让它演化一段时间，请问最终得到的结果会是什么？

是一大堆01的组合。有时候是这样的，有时候是那样，毕竟这里有量子随机性，你必须多做几次实验，得到一个概率分布。

好，现在请问，如果让你用一台经典计算机来预测那个概率分布，你需要多长时间？答案是很长很长时间。这是因为每个门开关的概率都得考虑到，你得把各种可能的电路走法都想一遍，就相当于前面说的把每条路径都算一遍，这里是天量的计算。

对量子计算机来说，这本来就是一个量子事件，跑一遍就得到一个结果，多跑几遍就能得到结果的概率分布。注意因为量子随机性，你每次跑出来的结果是不一样的，所以答案不是一条唯一的路径 —— 但是考虑到各种相干相消，你已经自动过滤掉了很多路径，所以你不需要像经典计算机那样运算那么多次，就能得到一个稳定的概率分布。

关键在于，量子计算机靠的是量子态的自然演化，而经典计算机只能调用指数级资源去模拟量子态。

在这个问题上，只要你这台量子计算机的逻辑门足够多，它就必然打败经典计算机。

2019年，谷歌的量子芯片首先在随机电路取样问题上打败经典计算机，所以叫做实现了「量子优越性（quantum supremacy）」，意思是在这个量身定做的问题上，它比经典计算机优越。

而2024年这个Willow芯片，只不过是用更复杂的芯片再次做成了同样的事情，所选的问题也还是随机电路取样，这里没什么本质不同。

“10的25次方年”一点都不值得吹嘘，因为这里是量身定做的问题。这就好比说，我也可以出一道题，保证全世界最强的AI做得都没我好：这个题就是请你用一个算法模仿我。你再怎么模仿，也不可能比真正的我更像我！

随机电路取样是个合法的问题，但这并不等于说量子计算机已经成了传统计算机的威胁。

量子计算机，其实被夸大了

在现实中，量子计算机并不能用来解决所有的传统计算问题，它只能用来处理很有限的一些问题。

或者应该这么说：你想用量子计算机求解一个什么问题，就必须先发明对应的量子算法才行。可是直到目前为止，科学家只发明了非常少的几个量子算法，只能解决几个特定的问题。

比如著名的「秀尔算法（Shor's algorithm）」，能让量子计算机用于质因数分解。因为主流的加密系统高度依赖质因数分解，所以原则上，量子计算机可以用来破解密码。

有些人甚至据此说，谷歌的量子芯片已经对比特币构成威胁，这是极其夸大的说法，因为那需要几百万甚至几亿个量子比特才行。目前的量子计算机做质因数分解，也就算个3×5、5×7之类。

另一个量子算法叫「格罗弗（Grover）算法」，用于搜索。比如，从一大堆输入值里，找到最可能得到特定输出值的解，经典计算机需要一个个试，量子计算机可以“一起”试。

量子算法一种潜在的大用是线性代数操作，比如矩阵乘法之类。

这个要点是，量子算法只能一个一个被科学家发明。这里没有系统性的办法，能把任何经典计算操作，直接翻译成高效率量子操作。

事实上有很多最简单的经典操作，比如复制一个比特、从内存中特定的位置读取数据，量子操作极为困难；有些问题，比如在一个已经排序的列表中寻找特定目标，经典操作比量子操作更快。

所以，量子计算机不会、也不能取代传统计算机，它只适合做一些非常特殊的问题。这些问题可能包括预测复杂物理现象、分子建模、供应链优化、金融风险分析和药物合成等等。

那你说，量子计算机会不会取代GPU，用于训练大语言模型呢？也不太容易。大语言模型涉及到大量线性代数运算，这些可以用量子计算机加速；但训练用的语料和输出的文本都是经典的信息，处理这些信息对量子计算机来说非常麻烦。

这两天，X上还流行一个俏皮的说法，说“量子计算机就是调用了多宇宙力量的GPU”。

另外，物理学家麦克斯·泰格马克（Max Tegmark）也说，如果能在量子计算机上运行ChatGPT，那就等于一个拟人AI同时拥有无数个不同的经历，这证明了多宇宙是真的……

我要澄清的是，这些说法只是哲学思辨，或者说是诗意的解读。现实是，量子计算机再厉害，也不能证明「多宇宙假说」是对的。

量子力学的确有个「多世界解释」，说每一次量子随机过程发生的时候，世界都分叉了；无数个平行宇宙共同参与了这一次量子事件，每一种可能性都在某一个宇宙中真实发生……这只是一种解释，一个说法，而且它目前为止不能提供任何可观测的验证方法。

要点在于，当你用量子计算机做计算的时候，哪怕它效率再高，它也没有调用别的平行宇宙的力量。这里能量是守恒的。

量子计算机，并不能带你穿越平行宇宙。

量子芯片的里程碑跨越

从“玩具”到“工具”

那谷歌这次突破到底厉害在哪呢？厉害在它一下子解决了两个根本性的难题。

我们前面说了，要想让量子计算机好使，它的各个量子比特就必须保持相干（coherent）状态，简单说就是波函数在同步共振。可是稍微有点干扰进来，相干性就会被破坏掉。而且我们不难想象，你这个芯片上的量子比特越多，相干性就越不容易保持。

这就是为什么，真实的猫并不能像「薛定谔的猫」那样，处于死和活的量子叠加态。因为它太大了，立即就会退相干。

可是，谷歌这次芯片的量子比特，明明比上一代更多，它们保持相干的时间却从20微秒，增加到了100微秒。

更大的难点是，芯片的纠错。任何计算机，包括经典计算机，都会随时发生某个比特出错的事情，这就需要纠错，最直观的办法就是，把每个比特都做个备份。量子比特更容易出错，可是量子力学又禁止直接复制一个量子比特，所以纠错就更麻烦。此前有个说法是，科学家在未来几十年都会被纠错问题困扰……

而谷歌这次却发明了一个实时纠错的办法，能让量子比特越多，出错率反而越低！跟上一代芯片相比，Willow的总出错率，降低了整整20倍。

具体怎么做的我不懂，思路大约是用若干个量子比特，组成3×3或者7×7的方阵，叫做「逻辑量子比特（logical qubits）」，这样方阵里有一个比特出错了也没关系。因为方阵越大，出错的概率就越低。

把相干时间和实时纠错结合起来，谷歌这次等于是发现，你的量子芯片越大，它反而会越容易保鲜、越不容易出错。

这就是边际效益递增，这就是找到了缩放定律，这就打开了把量子芯片做大做强的道路。

简单说，量子计算机仍然十分弱小，但是谷歌这次突破证明，它的潜力是巨大的，它是可行的。量子芯片将从此变成一个严肃的业务，而不再是少数几个物理学家和工程师的玩具。

好，以上就是今天的分享，内容来自于《万维钢·精英日课6》。

万维钢老师是前物理学家，现科学作家，得到APP《万维钢·精英日课》主理人。从2016年起，万维钢老师在得到APP开设《精英日课》年度专栏，现在已经更新到第6季，累计有超过70万人次订阅。

如果你想继续学习，收获更多新的认知，欢迎你现在加入正在更新的《万维钢·精英日课6》，和全球精英大脑同步。